胡斯瑋

(江蘇省水文水資源勘測(cè)局常州分局，江蘇 常州 213300)

降水是土地生態(tài)環(huán)境的敏感性因素，影響著植被群落演替與作物生長(zhǎng)[1]。精細(xì)的空間化降水信息對(duì)區(qū)域水資源管理、農(nóng)業(yè)氣象災(zāi)害防御至關(guān)重要[2]。常規(guī)降水監(jiān)測(cè)以地面氣象站方式為主，然而由于氣象站站點(diǎn)分布密度低，難以產(chǎn)生精細(xì)的降水分布式數(shù)據(jù)[3]。隨著對(duì)地觀測(cè)技術(shù)進(jìn)步，人類(lèi)發(fā)射了熱帶降雨測(cè)量衛(wèi)星(tropical rainfall measurement mission, TRMM)和全球降水測(cè)量計(jì)劃衛(wèi)星(GPM)用于長(zhǎng)時(shí)期觀測(cè)全球降水過(guò)程，從而產(chǎn)生了具有空間代表性、連續(xù)性、分布式的降水?dāng)?shù)據(jù)產(chǎn)品[4-5]。盡管其監(jiān)測(cè)精度相對(duì)于站點(diǎn)監(jiān)測(cè)手段有所提高，然而其降水反演以粗級(jí)產(chǎn)品單元為主，這限制了衛(wèi)星產(chǎn)品的應(yīng)用。為此，需要將其進(jìn)行精細(xì)化處理。鑒于此，本文選取濟(jì)寧市為研究區(qū)，以區(qū)域2018年GPM產(chǎn)品為數(shù)據(jù)源，基于多元線(xiàn)性回歸(Multiple linear regression，MLR)模型進(jìn)行進(jìn)行降尺度轉(zhuǎn)換，期為區(qū)域農(nóng)業(yè)旱情監(jiān)測(cè)與水文分析提供精細(xì)數(shù)據(jù)資料。

1 研究區(qū)概況

研究區(qū)位于魯西南黃淮海平原與魯中南山地交匯處，地理位置為34°26′～35°57′N(xiāo)，115°52′～117°36′E，區(qū)域面積11 187 km2。區(qū)域?qū)傥鞑繉偃A北斷塊凹陷區(qū)，東北為魯中隆起，地勢(shì)自東北向西、南傾斜，海拔介于0～606 m。由于受西北太平洋季風(fēng)和亞歐大陸高壓影響，形成溫帶季風(fēng)性氣候，夏季暖濕多雨，冬季寒冷干燥，雨熱同季，年平均氣溫介于13.3℃～14.1℃，降水量在597～820 mm之間，其中7-9月降水量占年降水量近70%。除區(qū)域西北局部屬黃河流域外，大部分地區(qū)為淮河水系，地表徑流量達(dá)34億 m3。

2 數(shù)據(jù)資料

2.1 GPM降水產(chǎn)品

本研究中降尺度目標(biāo)數(shù)據(jù)為研究區(qū)2018年的GPM_Imerg數(shù)據(jù)。GPM(Global Precipitation Measurement Mission)，是由美國(guó)國(guó)家宇航局(NASA)聯(lián)合日本宇宙空間開(kāi)發(fā)機(jī)構(gòu)(JAXA)在熱帶降水測(cè)量計(jì)劃(Tropical Rainfall Measurement Mission, TRMM)的基礎(chǔ)上研發(fā)的新一代全球降水測(cè)量遙感衛(wèi)星計(jì)劃。其空間分辨率達(dá)0.1°(約10 km)，時(shí)間分辨率達(dá)1 h，具有良好的空間代表性和時(shí)效性。本研究中GPM數(shù)據(jù)來(lái)自NASA開(kāi)源數(shù)據(jù)網(wǎng)站(https://pmm.nasa.gov/data-access)提供的逐月產(chǎn)品，利用柵格計(jì)算工具將其合稱(chēng)為年產(chǎn)品，最終得到區(qū)域GPM像素個(gè)數(shù)為115個(gè)(圖1)。

圖1 研究區(qū)位置和DEM高程

2.2 降尺度因子

降尺度因子是GPM數(shù)據(jù)降尺度所必需的協(xié)變量[5-6]。研究經(jīng)驗(yàn)表明，引入與降水量時(shí)空分布密切的地形、海陸位置、水汽變量可增加降尺度模型的解釋能力[5-8]。鑒于此，本研究考慮了3個(gè)降尺度因子：海陸位置(經(jīng)緯度乘積，XY)，水汽(WV)，海拔高程(ELE)。

XY變量以區(qū)域GPM產(chǎn)品為數(shù)據(jù)源，通過(guò)將GPM柵格像素轉(zhuǎn)換為格點(diǎn)數(shù)據(jù)，再提取格點(diǎn)中心位置處的經(jīng)緯度信息。WV來(lái)自MODIS衛(wèi)星提供的MD05數(shù)據(jù)，其空間分辨率為1km。ELE來(lái)自STRM DEM(Digital Elevation Model)，其由美國(guó)聯(lián)邦地質(zhì)調(diào)查局(USGS)采用對(duì)地觀測(cè)雷達(dá)計(jì)算調(diào)繪而成，地面分辨率為90 m。

2.3 地面降水觀測(cè)資料

為測(cè)試降尺度模型可靠性，利用研究區(qū)11個(gè)地面氣象站點(diǎn)降水資料為驗(yàn)證數(shù)據(jù)集對(duì)降尺度模型進(jìn)行獨(dú)立驗(yàn)證。實(shí)測(cè)數(shù)據(jù)來(lái)自利用中國(guó)氣象科學(xué)數(shù)據(jù)中心(https://data.cma.cn/)提供的逐日降水資料，其數(shù)據(jù)精度為±3 mm。

3 降尺度方法

通過(guò)同期GPM數(shù)據(jù)和降尺度因子間建立多元線(xiàn)性回歸(MLR)函數(shù)關(guān)系，實(shí)現(xiàn)GPM產(chǎn)品降尺度，具體流程如下：(1)將多源降尺度因子利用cubic方法重采樣至1 km ×1 km和0.1°×0.1° 分辨率；(2)基于尺度統(tǒng)一的 0.1° ×0.1°分辨率GPM與 降尺度因子樣本，建立 MLR訓(xùn)練模型；(3)將該模型代入1 km ×1 km分辨率的降尺度因子數(shù)據(jù)集，從而得到精細(xì)尺度的降水?dāng)?shù)據(jù)[7-10]。

4 結(jié)果與分析

4.1 研究區(qū)原始GPM降水?dāng)?shù)據(jù)分析

圖2為將逐月數(shù)據(jù)合成后的濟(jì)寧市2019年原始GPM降水量像素空間分布。可知，在原始分辨率下，研究區(qū)僅存在115個(gè)像素，其數(shù)值范圍介于513～804 mm，像素平均值為650.91 mm，變異系數(shù)為12.35%。原始GPM圖像顯示區(qū)域降水量呈東南-西北地帶性減少分布，降水中心位于東南段，由于距離海洋位置較近，易于受到暖濕氣流帶來(lái)的豐富水汽影響而產(chǎn)生降水。在區(qū)域東北部形成降雨次中心，主要由于該地區(qū)地勢(shì)相對(duì)較高，暖濕水汽隨地形抬升易于形成地形雨。不難發(fā)現(xiàn)，雖然原始GPM數(shù)據(jù)亦能直觀展示區(qū)域降水分布的空間變異性，然而由于降水量柵格像素粗糙導(dǎo)致無(wú)法準(zhǔn)確描述降水量分布漸變特征，且這種機(jī)械性的漸變分布不符合自然條件下降水量平滑分布的客觀事實(shí)。

圖2 濟(jì)寧市原始GPM數(shù)據(jù)空間分布

4.2 GPM降尺度模型與結(jié)果

基于ELE、XY和WV變量和115個(gè)原始GPM像素得到研究區(qū)2019年GPM數(shù)據(jù)降尺度模型：GPMds=-1.429XY+1.136ELE-3.019WV+6479.893。統(tǒng)計(jì)顯示該模型 P<0.05，具有統(tǒng)計(jì)顯著性意義，表明該模型有效。將該模型代入?yún)^(qū)域1 000 m分辨率條件下的降尺度因子數(shù)據(jù)集，則可得到區(qū)域GPM數(shù)據(jù)降尺度結(jié)果(圖3)。依圖可知，降尺度后的結(jié)果呈現(xiàn)出與原始GPM數(shù)據(jù)相似的空間分布趨勢(shì)，然而降尺度后的結(jié)果能夠呈現(xiàn)更多細(xì)節(jié)信息，例如可直觀反映降水量隨海陸位置的漸變變化，同時(shí)消除了機(jī)械的分布邊界，因此更符合區(qū)域降水分布格局。統(tǒng)計(jì)顯示，降尺度后的降水量介于510.8～825.6 mm，平均值為650.7，變異系數(shù)為11.28%，這與原GPM數(shù)據(jù)統(tǒng)計(jì)特征相差較小。此外，降尺度模型將原始分辨率為0.1°的GPM數(shù)據(jù)精細(xì)化為分辨率為1 km，能為區(qū)域氣象預(yù)報(bào)、水資源管理服務(wù)提供可靠數(shù)據(jù)基礎(chǔ)。

圖3 濟(jì)寧市GPM數(shù)據(jù)降尺度結(jié)果

圖4a為原始GPM的115個(gè)像素格點(diǎn)中心的降水量與降尺度后對(duì)應(yīng)位置上降水量值的散點(diǎn)圖二者二者具有良好一致性，其R2達(dá)0.62，MAE和RMSE分別為32.81、25.38 mm。表明降尺度后的數(shù)據(jù)依然保留了原數(shù)據(jù)的基本精度，可用于區(qū)域水文分析的替代性數(shù)據(jù)。此外，為驗(yàn)證該模型的有效性，利用圖1中濟(jì)寧市內(nèi)11個(gè)氣象站點(diǎn)2019年的降水資料進(jìn)行獨(dú)立驗(yàn)證，結(jié)果如圖4b所示?？芍?，其驗(yàn)證精度良好，R2達(dá)0.99，ME和RMSE僅為9.09、11.45 mm，表明該模型具有穩(wěn)定性和可靠性。需要說(shuō)明的是，由于獨(dú)立驗(yàn)證樣本較少，因此該驗(yàn)證精度可能存在高估，因此有必要增設(shè)更多站點(diǎn)以獲取更多實(shí)測(cè)資料來(lái)評(píng)估模型性能。

圖4 濟(jì)寧市GPM數(shù)據(jù)降尺度模型性能散點(diǎn)圖

4.3 降尺度殘差分析

將降尺度前后GPM數(shù)據(jù)進(jìn)行減法運(yùn)算，得到降尺度殘差空間分布(圖5)。可知，研究區(qū)降尺度殘差介于2～13 mm，平均殘差為3.54 mm，變異系數(shù)為30.14%?？傮w來(lái)看，殘差呈現(xiàn)自周邊向中央減小分布，這可能由于邊緣地區(qū)的降尺度因子不足以解釋GPM原始值的空間變異性引起。區(qū)域降尺度殘差為正值，意味著該降尺度結(jié)果存在低估，究其原因主要是區(qū)域降水量豐度較低引起的系統(tǒng)誤差。TRMM和GPM衛(wèi)星為逐小時(shí)探測(cè)，對(duì)水汽豐富地區(qū)的降水具有更高的探測(cè)靈敏性，而該區(qū)域?yàn)橹芯暥葴貛Ъ撅L(fēng)區(qū)，月最大降水量在400 mm以下，特別是對(duì)冬季降水量、水汽含量較少階段的探測(cè)敏感性較低，因而導(dǎo)致低估，這與國(guó)內(nèi)外學(xué)者的研究結(jié)果一致。

圖5 基于MLR模型的濟(jì)寧市GPM數(shù)據(jù)降尺度殘差空間分布

通常認(rèn)為殘差不存在空間自相關(guān)性，則表明該模型具有可靠性、穩(wěn)定性。利用半方差函數(shù)對(duì)降尺度殘差格點(diǎn)值進(jìn)行空間擬合(圖6)，得到半方差函數(shù)y隨空間距離h變化的擬合模型為：y(h)=0.08+123.54*Gau(0,14)。表明殘差空間分布符合高斯(Gau)模型，其空間變程為140km。依圖可知，其半方差值在超過(guò)變程后依然未能達(dá)到非線(xiàn)性平穩(wěn)狀態(tài)，利用Z-score函數(shù)進(jìn)行檢驗(yàn)表明其Z值為1.76，小于±1.96的閾值，表明該空間殘差自相關(guān)模型不具有統(tǒng)計(jì)顯著意義，因而可判定研究區(qū)GPM數(shù)據(jù)降尺度模型具有有效性。

圖6 基于MLR模型的濟(jì)寧市GPM數(shù)據(jù)降尺度殘差空間自相關(guān)性

5 結(jié)語(yǔ)

本文以濟(jì)寧市為研究區(qū)，以2018年GPM產(chǎn)品據(jù)為數(shù)據(jù)源，通過(guò)引入分辨率為1 km的經(jīng)緯度、海拔、水汽等地理環(huán)境變量為降尺度因子，基于多元線(xiàn)性回歸模型對(duì)低空間分辨率的GPM產(chǎn)品進(jìn)行降尺度轉(zhuǎn)換，并利用研究區(qū)11個(gè)氣象站點(diǎn)對(duì)降尺度效果進(jìn)行檢驗(yàn)。得出以下結(jié)論：(1)GPM 產(chǎn)品在降尺度前后空間分布宏觀趨勢(shì)整體一致，二者之間的R2達(dá)0.62，降尺度后的產(chǎn)品保留了原產(chǎn)品的精度，但在刻畫(huà)降水量細(xì)節(jié)信息方面更完善。(2)降尺度后的GPM降水量與站點(diǎn)實(shí)測(cè)降水量的R2達(dá)0.99，MAE和RMSE僅為9.09、11.45 mm，表明該降尺度數(shù)據(jù)具有可靠性。(3)GPM降尺度產(chǎn)品仍然存在一定殘差，但殘差不具有空間自相關(guān)性，表明降尺度后的數(shù)據(jù)能真實(shí)反映區(qū)域降水分布，但為增強(qiáng)降尺度精度，有必要引入更多降尺度因子，從非線(xiàn)性模型方面著手，盡量減小降尺度殘差。